Anthropic, Claude의 R&D 기여도·에이전트 감독 규모·안전 컴퓨트 비율을 보여주는 3가지 지표 공개

2026년 9월 17일 Anthropic은 선도적인 AI 연구소들의 개발 속도를 측정하기 위한 세 가지 지표를 발표했습니다. 이 지표는 Claude라는 자사 플래그십 모델이 직접 주도하는 연구·개발(R&D) 작업 비중, 내부 플랫폼에서 운영되는 자율 에이전트 수, 안전 관련 작업에 할당된 컴퓨트 비율에 초점을 맞추고 있습니다.

Claude가 차지하는 R&D 비중

회사 자체 데이터에 따르면 현재 Claude는 측정된 R&D 작업의 26 %를 주도하고 있습니다. 실제로 Claude는 고수준 명령을 받고 작업 전체를 수행한 뒤, 결과를 인간 검토자가 검증하도록 전달합니다.

Anthropic은 또한 Claude가 측정된 R&D 작업의 90 % 이상에 실질적으로 기여한다고 밝혔지만, 평가된 작업 중 어느 부분도 완전 자율적으로 수행되지 않음에 유의합니다. 모델이 작업 핵심을 담당하지만 최종 책임은 인간 감독자에게 남아 있습니다.

역사적 데이터는 급격한 성장을 보여줍니다. 2026년 2월에는 Claude가 직접 주도한 작업 비중이 0이었으며, 3월에는 Bright가 인용한 측정치가 1 %에 불과했습니다. 9월 지표는 큰 폭의 상승을 나타내지만, 이전 두 수치는 다른 방법론을 사용했으므로 직접 비교는 어렵습니다.

에이전트 감독 규모

Anthropic의 내부 플랫폼에는 동시에 약 30 000개의 에이전트가 연구 및 엔지니어링 작업을 수행하고 있습니다. 이들 에이전트는 Claude 기반 버전이 각 작업을 Epoch AI 자동화 척도에 따라 분류하고, 이후 인간이 분류 결과를 재검증하는 방식으로 모니터링됩니다.

Bright는 8월에 시스템이 10억 건 이상의 결정을 내렸으며, 내부 안전 검증으로 차단된 결정은 약 47 000건당 1건에 불과했다고 보도했습니다. 이는 Anthropic 자체 내부 통제에서 나온 수치로, 대규모에서 수동 개입 비율이 매우 낮음을 보여줍니다.

안전에 할당된 컴퓨트

2026년 7월 13일에서 20일 사이에 촬영된 스냅샷에 따르면 AI R&D 전체 컴퓨트의 6 %가 안전 관련 작업에 사용되었습니다. AI 시스템이 수행하는 R&D 부분만을 대상으로 하면 안전 비중은 12 %로 상승합니다.

Anthropic은 세 지표 모두 자체 데이터와 모델을 기반으로 생성됐으며, 산업 논의를 위한 출발점으로 제시하고 있습니다. 아직 외부 감사기관의 검증을 받지 않았으며, 보편적인 진보 척도로서의 주장도 하지 않습니다.

• Claude가 측정된 R&D 작업의 26 %를 주도
• Claude가 측정된 R&D 작업의 90 % 이상에 기여
• 내부 플랫폼에 동시 운영되는 30 000개 에이전트
• 전체 R&D 컴퓨트의 6 %, AI‑주도 R&D 컴퓨트의 12 %가 안전에 할당

이 지표들을 공개함으로써 Anthropic은 내부 벤치마크가 거의 공유되지 않던 분야에 투명성을 도입하려는 의도를 나타냈습니다. Claude의 역할을 수치화함으로써 다른 연구소들도 대규모 모델 지원 연구와 비교할 수 있는 구체적 데이터를 얻게 됩니다.

한국 기업들에게 실질적인 의미는 명확합니다. 이 지표들은 자체 R&D 파이프라인에서 자동화된 비중, 운영 중인 자율 에이전트 수, 안전에 배정된 컴퓨트 비율을 추적할 수 있는 템플릿을 제공합니다. 기업들은 유사한 측정 프레임워크를 도입하고, 자동화 척도 분류를 적용하며, Anthropic이 보고한 낮은 차단 비율을 기준으로 인간 검토 임계값을 설정할 수 있습니다.

첫 번째 단락에서는 공개된 세 가지 지표가 실제로 어떤 의미를 갖는지에 대한 해석을 중심으로 논의한다. Claude가 차지하는 R&D 비중은 모델이 인간의 고수준 명령을 받아 작업을 진행하고 결과를 검증받는 과정을 수치화한 것이지만, 이는 모델이 전적으로 독립적으로 의사결정을 내린다는 것을 의미하지 않는다. 따라서 이 비중은 모델의 기여 정도를 가늠하는 하나의 척도일 뿐이며, 인간 감독이 여전히 핵심적인 역할을 수행한다는 점을 강조해야 한다. 또한, 초기 단계와 비교했을 때 급격한 상승이 관찰되지만, 측정 방법론이 달라 직접적인 비교는 제한적이다는 점을 명확히 해야 한다.

두 번째 단락에서는 에이전트 감독 규모에 대한 한계와 검증 절차를 살펴본다. 동시에 운영되는 약 30 000개의 에이전트가 존재한다는 수치는 자동화 수준을 가시화하지만, 인간 검증자가 최종 결과를 재검증한다는 전제 하에만 의미를 갖는다. 이 과정에서 발생할 수 있는 검증 병목 현상이나 인간 검토자의 피로도 상승 가능성을 고려해야 하며, 현재 보고된 차단 비율이 낮다는 사실이 반드시 안전성을 보장한다는 결론으로 이어지지는 않는다. 따라서 에이전트 운영 체계에 대한 지속적인 모니터링과 샘플링 검증이 필수적이다.

세 번째 단락은 안전에 할당된 컴퓨트 비율의 해석적 한계를 다룬다. 전체 R&D 컴퓨트의 6 %가 안전 작업에 쓰인다는 수치는 안전에 대한 투자 의지를 보여주지만, 실제 안전 작업의 복잡성이나 위험도에 따라 동일한 비율이 충분히 보장되는지는 별도의 정량적 평가가 필요하다. 특히 AI‑주도 R&D에 한정했을 때 비율이 12 %로 상승한다는 점은 모델 중심 작업에 대한 안전 비용이 상대적으로 높아짐을 시사하지만, 이 역시 안전 효과를 직접 측정한 것이 아니라 할당된 자원의 비중을 나타낸다.

네 번째 단락에서는 이러한 내부 지표들의 검증 과정에 대한 필요성을 강조한다. 현재는 외부 감사기관의 검증을 받지 않은 상태이며, 따라서 데이터의 신뢰성 및 재현 가능성에 대한 의문이 제기될 수 있다. 독립적인 검증 절차를 도입함으로써 지표의 객관성을 확보하고, 다른 기업이나 연구소가 이를 벤치마크로 활용할 때 발생할 수 있는 오해를 최소화할 수 있다. 검증 체계 구축은 투명성 확보와 더불어 업계 전반에 걸친 표준화 작업의 초석이 된다.

다섯 번째 단락은 실무적 적용 가능성을 중심으로 논의한다. 한국 기업들은 제시된 템플릿을 활용해 자체 R&D 파이프라인에 자동화 비중, 에이전트 운영 규모, 안전 컴퓨트 할당을 측정할 수 있다. 이를 통해 인간‑인‑루프 프로세스의 효율성을 검증하고, 안전 차단 임계값을 설정하는 기준을 마련한다. 또한, 동일한 지표를 적용함으로써 기업 간 비교가 가능해져 경쟁력 평가와 전략적 투자 결정에 활용될 수 있다.

여섯 번째 단락에서는 전체적인 결론과 향후 과제를 정리한다. Anthropic이 제시한 세 지표는 AI‑주도 연구 현황을 가시화하는 초기 단계의 스냅샷이며, 외부 검증을 기다리는 내부 수치라는 점을 감안하면, 이를 절대적인 성과 지표로 삼기보다는 개선 여지를 탐색하는 출발점으로 삼아야 한다. 향후에는 검증된 데이터 기반의 표준 지표 체계가 구축되고, 안전과 자동화 간의 최적 균형을 찾는 연구가 병행될 때, 이러한 메트릭이 산업 전반에 걸쳐 실질적인 가치를 제공할 수 있을 것이다.

요약하면, Anthropic이 제시한 세 가지 지표는 선도 연구소의 AI‑주도 연구 현황을 가시화한 스냅샷이라 할 수 있습니다. 아직 외부 검증을 기다리는 내부 수치이지만, 다른 기업들이 자체 대시보드를 구축하고 인간‑인‑루프 프로세스를 조정하며, 안전이 컴퓨트 예산의 눈에 띄는 부분으로 남도록 하는 기준점을 제공합니다.